【摘要】货币价格波动率的建模和预测一直以来都是国家和企业层面重要的研究内容。文章使用加密货币和传统货币的分频汇率数据构建SVR-GARCH模型，为波动率的预测引入非线性交互，提高了模型的预测精度和泛化能力。此外，进一步构建了DCC-SVR-GARCH模型探讨加密货币与传统货币之间的关联性。实证结果表明：首先，在预测方面，机器学习算法的引入显著增强了模型预测性能，SVR-GARCH模型在低频和高频数据上均有稳健的预测表现。其次，加密货币波动率的特征较传统货币更为明显，两者间具有某种同步性，并进一步验证了其存在。最后，两者波动率的关联性表现为：在高不确定性时期呈现正相关关系，且具有明显的事件驱动性；在低不确定性时期往往是负相关关系。